jak dzieki data minning księgujemy automatycznie koszty w infakt
TRANSCRIPT
Jak dzięki Data Mining księgujemy automatycznie koszty w inFakt.pl ?
Kraków, 20 października 2016
O mnie
Sebastian Bobrowski, CTO, co-founder inFakt.pl
O inFakt
InFakt.pl
• 3 produkty: • program do faktur • program do księgowości • ogólnopolskie Biuro Rachunkowe
• 400 000 użytkowników • 9 lat
Dlaczego AI?
Założenia
Księgowy ma bardzo powtarzalną pracę
Ludzie popełniają błędy
Szybkość księgowania
Założenia
Cele:
przyśpieszyć pracę księgowego
zautomatyzować
zmniejszyć ilość błędów
Założenia
Bazujemy na danych na fakturach (NIP) Mamy kilka mln danych uczących
Machine Learning
4 klasyfikatowy:
Passive Aggressive Perceptron
Stochastic Gradient Descent Naive Bayes for multivariate Bernoulli
Machine Learning
Wyniki:
15% skuteczności 95% poprawności
Memory Base Model
XClassifier
Memory Base Model
Memory Base Model
Wyniki:
55% skuteczności 97,5% poprawności
Memory Base Model Błędy
10% - obie decyzje poprawne
15% błąd Xclassifier
75% błąd księgowego
Czego się nauczyłem?
Czego się nauczyłem
Dobranie cech jest kluczowe
Czego się nauczyłem
Prosta implementacja na początek
Czego się nauczyłem
Szybko na produkcji
Czego się nauczyłem
Ludzie się mylą częściej niż niedoskonały algorytm
Co dalej?
Model globalny - wyniki
Analiza tekstu
Model globalny - wyniki
Analiza PKD
Model globalny - wyniki
Szukanie anomalii (kwot, dat)
Open source
Open Source
Pytania?
